Les chercheurs d’Ilmenau révolutionnent la science des matériaux avec l’IA !

Les chercheurs d’Ilmenau révolutionnent la science des matériaux avec l’IA !

Le 23 septembre 2025, des chercheurs de l'Université technologique d'Ilmenau ont présenté des avancées significatives dans la recherche sur les matériaux. En développant un réseau d’attention graphique capable à la fois de faire des prédictions et de fournir des résultats interprétables, ils ouvrent la voie à une nouvelle ère d’intelligence artificielle dans la science. L'étude, basée sur un ensemble de données complet de 10 000 spectres optiques calculés par mécanique quantique, a été réalisée au cluster HPC de la TU Ilmenau et représente une approche innovante de l'analyse des matériaux. TU Ilmenau rapporte que ce modèle est capable de générer une « carte » compréhensible de l’espace matériel.

L’équipe utilise UMAP (Uniform Manifold Approximation and Projection) pour visualiser des données de grande dimension. Cela révèle comment le réseau catégorise les matériaux en fonction de leurs principes chimiques. Max Großmann, co-auteur de l'étude, souligne que cela représente un progrès significatif vers une IA interprétable pour la science des matériaux. Ces nouvelles méthodes permettent une identification plus précise des matériaux, améliorant non seulement la rapidité mais aussi la précision des prédictions.

Techniques innovantes pour la recherche sur les matériaux

L'étude utilise l'apprentissage par transfert pour adapter les modèles déjà formés à de nouvelles tâches. Des données grossières sont utilisées pour pré-ajuster le modèle. Les données RPA de haute précision affinent ensuite les prédictions. Selon le professeur Erich Runge, un autre co-auteur, les algorithmes modernes présentent des approches prometteuses pour résoudre les défis de la science des matériaux. Leurs prédictions sont non seulement précises, mais également proches des résultats expérimentaux, favorisant ainsi la compréhension des principes sous-jacents.

Un autre aspect crucial de l’étude est la possibilité d’accélérer le développement de nouveaux matériaux durables. Cela pourrait aboutir à des matériaux qui permettraient par exemple de convertir plus efficacement la lumière du soleil en électricité, ce qui est particulièrement important à l’heure du changement climatique et de la transition énergétique.

Graph Attention Networks – Une nouvelle dimension dans l’IA

Une partie fondamentale de la recherche est la base sur laquelle repose le réseau d’attention graphique, établi par d’autres scientifiques tels que Petar Veličković et ses collègues. Leurs travaux, publiés dans un article intitulé « Graph Attention Networks », décrivent de nouvelles architectures de réseaux neuronaux pour les données structurées en graphiques. Ces architectures utilisent des couches auto-attentives masquées pour surmonter certains des inconvénients des méthodes précédentes basées sur des convolutions de graphes. Les résultats sont impressionnants ; Les modèles GAT ont obtenu des résultats exceptionnels dans quatre tests majeurs de graphes transductifs et inductifs, tels que Cora et Pubmed. arxiv documente cette évolution remarquable.

La combinaison de ces approches innovantes représente non seulement une étape vers l’avenir de la science des matériaux, mais montre également comment l’IA et l’apprentissage automatique peuvent révolutionner les processus existants. Les nouvelles méthodes et modèles créent une perspective claire sur les défis et les opportunités qu'offrira l'utilisation responsable des ressources dans les années à venir.

Les publications originales qui expliquent ces évolutions plus en détail sont :
– M. Grunert, M. Großmann, E. Runge, « L'apprentissage automatique gravit l'échelle de Jacob des propriétés optoélectroniques », Nat. Commun. 16, 8142 (2025).
– M. Grunert, M. Großmann, E. Runge, « Découverte de matériaux énergétiques durables via l'espace matériel appris par la machine », Small, 2412519 (2025).